| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 基因表达谱数据 | 第11-13页 |
| 1.3 基因选择方法研究进展与分析 | 第13-17页 |
| 1.3.1 过滤法 | 第14-15页 |
| 1.3.2 缠绕法 | 第15页 |
| 1.3.3 嵌入法 | 第15-16页 |
| 1.3.4 基于微粒群算法的基因选择方法 | 第16-17页 |
| 1.4 本文研究思路与主要工作 | 第17-18页 |
| 1.5 本文的章节安排 | 第18-20页 |
| 第二章 理论基础 | 第20-28页 |
| 2.1 微粒群算法 | 第20-24页 |
| 2.1.1 基本微粒群算法 | 第21-23页 |
| 2.1.2 带惯性权重的微粒群算法 | 第23-24页 |
| 2.2 极限学习机 | 第24-26页 |
| 2.3 模拟退火算法 | 第26-27页 |
| 2.4 Relief算法 | 第27-28页 |
| 第三章 基于打分准则和改进PSO的基因选择方法 | 第28-53页 |
| 3.1 引言 | 第28页 |
| 3.2 数据预处理及粒子新定义 | 第28-30页 |
| 3.3 基于抽样调查的打分准则 | 第30-33页 |
| 3.4 基于Metropolis准则的改进PSO算法 (M-PSO) | 第33-34页 |
| 3.5 基于打分准则和M-PSO的基因选择方法 | 第34-37页 |
| 3.6 实验结果与讨论 | 第37-51页 |
| 3.6.1 数据集 | 第37-38页 |
| 3.6.2 所选基因子集的分类性能 | 第38-40页 |
| 3.6.3 所选基因子集的生物学意义 | 第40-46页 |
| 3.6.4 改进PSO算法的收敛性 | 第46-47页 |
| 3.6.5 相关参数的讨论 | 第47-50页 |
| 3.6.6 与其他方法的比较 | 第50-51页 |
| 3.7 本章小结 | 第51-53页 |
| 第四章 基于信息加权和微粒群算法的基因选择方法 | 第53-68页 |
| 4.1 引言 | 第53页 |
| 4.2 基于信息加权的改进打分准则 | 第53-55页 |
| 4.3 基于改进的打分准则和微粒群算法的基因选择方法 | 第55-57页 |
| 4.4 实验结果与讨论 | 第57-67页 |
| 4.4.1 数据集 | 第57-58页 |
| 4.4.2 新方法所选基因子集的分类性能 | 第58-59页 |
| 4.4.3 所选基因子集的生物学意义 | 第59-63页 |
| 4.4.4 参数讨论 | 第63-66页 |
| 4.4.5 与其他方法的比较 | 第66-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 总结 | 第68-69页 |
| 5.2 展望 | 第69-70页 |
| 参考文献 | 第70-77页 |
| 致谢 | 第77-78页 |
| 攻读硕士学位期间发表的学术论文及参与的科研项目 | 第78页 |